基于距离的离群挖掘算法研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·本文主要研究内容 | 第11-12页 |
| ·论文结构 | 第12-14页 |
| 2 离群数据挖掘概述 | 第14-28页 |
| ·数据挖掘 | 第14-18页 |
| ·数据挖掘的定义 | 第14页 |
| ·数据挖掘的功能 | 第14-16页 |
| ·数据挖掘的过程 | 第16-18页 |
| ·数据挖掘的应用与发展 | 第18页 |
| ·离群数据挖掘 | 第18-20页 |
| ·离群数据定义 | 第18-20页 |
| ·离群数据挖掘定义 | 第20页 |
| ·离群数据挖掘方法 | 第20-27页 |
| ·基于分布的方法 | 第21-22页 |
| ·基于深度的方法 | 第22页 |
| ·基于距离的方法 | 第22-24页 |
| ·基于密度的方法 | 第24-25页 |
| ·基于聚类算法的方法 | 第25-26页 |
| ·基于偏离的方法 | 第26-27页 |
| ·离群数据分析 | 第27页 |
| ·本章小结 | 第27-28页 |
| 3 离群数据挖掘相关技术 | 第28-35页 |
| ·数据预处理 | 第28-30页 |
| ·数据清理 | 第28-29页 |
| ·数据集成 | 第29页 |
| ·数据变换 | 第29-30页 |
| ·数据规约 | 第30页 |
| ·数据抽样技术 | 第30-32页 |
| ·数据挖掘中的抽样所存在的问题 | 第31-32页 |
| ·数据挖掘中的聚类算法 | 第32-34页 |
| ·聚类算法的比较标准 | 第32-33页 |
| ·常用的聚类算法 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 4 基于加权 KNN 的离群检测算法 | 第35-46页 |
| ·基于距离的离群检测算法 | 第35页 |
| ·KNN 算法思想 | 第35-38页 |
| ·加权KNN 算法思想 | 第38-41页 |
| ·基于划分的算法 | 第41-44页 |
| ·基于划分的算法思想 | 第41-42页 |
| ·生成划分 | 第42页 |
| ·基于划分的加权KNN 算法 | 第42-44页 |
| ·本章小结 | 第44-46页 |
| 5 实验结果与分析 | 第46-51页 |
| ·算法精度 | 第46-47页 |
| ·算法时间性能 | 第47-48页 |
| ·数据维数δ和数据量N 对算法执行时间影响 | 第47页 |
| ·参数k 对算法执行时间影响 | 第47-48页 |
| ·对比试验 | 第48-50页 |
| ·算法同传统KNN 算法比较 | 第48-49页 |
| ·算法的实际应用 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 6 结束语 | 第51-54页 |
| ·本文工作总结 | 第51-52页 |
| ·后续工作与展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59页 |
| A. 作者在攻读学位期间发表的论文目录 | 第59页 |
